一种基于soc的动力电池组均衡充放电控制方法及系统的制作方法
【技术领域】
[0001] 本发明涉及电池组均衡控制技术领域，具体地，涉及一种基于SOC的动力电池组 均衡充放电控制方法及系统。
【背景技术】
[0002] 由于锂动力电池具有能量密度高、自放电率低、循环寿命长等优点，目前已广泛应 用于储能领域。在动力电池使用过程中，需要将多节单体电池通过串联后为负载提供能量。 此时单体电池性能的差异会导致电池组出现不一致性现象，而电池组的不一致性会造成电 池组使用性能的下降，导致电池组的可用容量和使用寿命衰减，从而降低纯电动汽车的续 驶里程，增加使用成本。因此对于均衡技术进行研究，可以有效改善电池组的不一致性带来 的不利影响，避免在使用过程中电池组不一致性的恶化，增加电池的使用寿命，降低使用成 本，提升电池的存储性能。
[0003] 根据对所传递的能量的处理方式不同，均衡电路可以分为被动型和主动型。被动 型电路主要通过令电池组中能量较高的电池利用其旁路电阻进行放电的方式损耗部分能 量，以期达到电池组能量状态的一致。这种方法容易实现，但是造成了大量的能量损耗，且 散热问题难以解决。主动型电路本质上是利用储能元件和均衡旁路构建能量传递通道，将 其从能量较高电池直接或间接转移至能量较低的电池。例如，高速开关电容技术利用一组 电容器在串联储能电源组相邻储能单体之间传递能量，效率高，控制简单，但是当单体间能 量差距较小时，均衡所需时间较长。双向Buck-Boost变换器均衡结构的能量转移路径是双 向的，能够在相邻两个电池单体间进行能量传递，但是当组内电池单体较多时，难以实现跨 越式的能量传递，均衡效率降低。隔离式DC/DC变换器分布式均衡技术采用隔离式变换器 结构，最常见的为反激式结构。该方法效率较高，控制电路简单，但是电路中变压器数量较 多，构建的均衡系统结构相对复杂。
[0004] 为了满足电动汽车的功率、电压的要求，需要将多节单体电池构成电池组为其供 能。电池成组的方式有串联、并联和混联三种，其中串联方式是目前大多数电动车采用的成 组方法。当电池数量较多时，单一一层均衡拓扑由于自身电路的限制，很难设计出具有良好 性能的均衡系统。
[0005] 均衡变量是均衡系统通过控制均衡电路使之达到一致的电池特征参数，可以表征 电池的不一致性状态，并具有实时性、高精度等特点。按照均衡变量的不同，均衡方法可以 分为容量均衡法、化学均衡法、电压均衡法、S0C(state of charge，荷电状态）均衡法。早 期采用容量均衡法，这种方法以电池实际容量趋于一致为目的，采用浮充电压对电池组续 充电，但由于该方法导致电池处于过充电状态，缩短了电池寿命，目前已很少使用。化学均 衡法是通过电池内部化学反应达到均衡效果，在锂电池电解液中添加一定比例氧化-还原 电对的方法，抑制电池正极电位升高，避免电极材料和电解液氧化，提高电池抗过充能力。 此方法还处于理论研究阶段，距实际应用上有一段距离。目前很多均衡研究以电压作为均 衡变量，在铅酸电池、镍氢电池中应用效果较好，但由于磷酸铁锂电池的自身特点，电压并 不能真实反映电池组容量状态的一致性，且受电池内部多种因素影响，均衡效果不稳定，很 容易波动。
[0006] SOC表征当前电池剩余容量占最大可用容量的比例，以SOC作为均衡变量时，可 以忽略电池组内单体电池间最大可用容量的差异，使所有单体电池同时达到充放电截止电 压，使得电池组容量得到有效利用。同时，当电池的SOC保持一致时，意味着所有单体均工 作于相同的放电深度，避免由于放电深度不同导致的电池老化速度的差异。但是基于SOC 的均衡方法需要快速准确地预测单体电池的荷电状态，现有技术很难实时跟踪锂电池复杂 快速的内部反应。若SOC的准确性和实时性得不到保证，均衡的可靠性会大大降低。
【发明内容】
[0007] 本发明是为了克服现有技术中不能快速准确地监测电池组SOC变化的缺陷，根据 本发明的一个方面，提出一种基于SOC的动力电池组均衡充放电控制方法。
[0008] 本发明实施例提供的一种基于SOC的动力电池组均衡充放电控制方法，包括：
[0009] 获取动力电池的充放电数据，充放电数据包括动力电池的端电压、电流和温度；动 力电池包括电池单体；
[0010] 基于ELM方法建立计算动力电池 SOC的数学模型，将充放电数据作为数学模型的 输入，并根据数学模型的输出确定动力电池 SOC数据；
[0011] 根据动力电池 SOC数据对动力电池组进行一致性分析，在动力电池组存在不一致 时根据均衡控制策略控制均衡电路的开关管的通断状态，实现动力电池能量转移。
[0012] 在上述技术方案中，基于ELM方法建立计算动力电池 SOC的数学模型，包括：
[0013] 数学模型的输入向量为Xj= [X x_j2,…，x_jn]Te R n，输出向量为tj = [tn, tj2,...，tjm]Te Rm，其中m, η分别表示输入输出的维数，Rn代表了 η维空间，Rm代表m 维空间，j = 1，...，N，N为样本数；
[0014] 数学模型为：Ηβ =T，式中，H为神经网络的隐层输出矩阵：
[0017] 其中，隐层节点个数为#、激励函数为g(x)，O1= [CO11, ωι2，...，ω J是连接第 i个隐含层节点和输入节点的权值向量；β F [β n，β 12, . . .，β lnJT是连接第i个隐层节 点和输出节点的权值向量也为第i个隐层节点的阈值。
[0018] 在上述技术方案中，根据数学模型的输出确定动力电池 SOC数据，包括：
[0019] 另输入向量\为[1]〇〇，1〇〇，(：〇〇]，输出向量、为50(：〇〇=^其中，1^表示采 集到的第k组训练数据的标号，U、I、C分别表示动力电池的端电压、电流以及温度；数学模 型的训练集为{(x.j, tj) IxjG Rn, tjG Rm, j = 1，…，N} (n = 3，m = 1);
[0020] 根据训练集训练SLFN等价于确定线性系统H β = T的最小二乘解#
，其中，H+为矩阵H的Moore-Penrose广义逆；
[0022] 在得到最小二乘解#后，根据最小二乘解#确定动力电池 SOC数据。
[0023] 在上述技术方案中，均衡电路包括顶层电路和底层电路；均衡控制策略包括顶层 控制策略和底层控制策略，分别用于控制顶层电路和底层电路。
[0024] 在上述技术方案中，动力电池还包括电池模块，电池模块由多个电池单体组成；
[0025] 根据均衡控制策略控制均衡电路的开关管的通断状态，包括：
[0026] 获取均衡变量，均衡变量包括组内电池单体SOC的均方差、相邻两电池单体之间 荷电状态的差值、某个电池模块的荷电状态与电池模块荷电状态平均值的差值；
[0027] 当组内电池单体SOC的均方差不小于第一预设阈值时，满足均衡控制开启条件；
[0028] 当相邻两电池单体之间荷电状态的差值大于第二预设阈值时，根据底层控制策略 控制底层电路；
[0029] 当某个电池模块的荷电状态与电池模块荷电状态平均值的差值大于第三预设阈 值时，根据顶层控制策略控制顶层电路。
[0030] 在上述技术方案中，获取均衡变量，包括：
[0031] 设电池组内共含有η个电池单体，分为m个电池模块，根据以下公式确定均衡变 量：
[0037] 其中，为组内电池单体荷电状态的平均值、ε为组内电池单体SOC的均方 差、ASOC为相邻两电池单体之间荷电状态的差值、为电池模块荷电状态的平均值、 A SOC'为某个电池模块的荷电状态与电池模块荷电状态平均值的差值。
[0038] 本发明实施例提供的基于SOC的动力电池组均衡充放电控制方法，与传统的神经 网络相比，具有结构简单、学习速度快、参数容易调整且不易陷入局部最小等优点，具有逼 近多输入输出参数函数、高度的非线性、鲁棒性和容错性等特点。ELM的参数设定更为简单， 运算量小，具有学习速度快且泛化性能好的优势。因此，将基于ELM的SOC估算方法应用于 本发明实施例中，可以更加准确、快速地预测电池当前的荷电状态，有效提高了均衡精度和 均衡效率。同时将电池组分为若干个小的电池模块，组间均衡时可将一个模块看作一节单 体，采用双层拓扑结构实现均衡。基于SOC的双层主动均衡系统，分别控制顶层和底层电路 中的开关管，可以实现电池组内能量的双向传递，快速、高效地实现电池组的均衡控制。
[0039] 本发明实施例还提供一种基于SOC的动力电池组均